Revista Colombiana de F sica, Vol. 43, No. 2 de 2011.

Soluci on De La Ecuaci on De Poisson-Boltzmann Usando Diferencias Finitas

Solution Of The Poisson-Boltzmann Equation Using Finite Differences
F. Fonseca * a , R. Mart nez a , P. Teher an a
a

Departamento de F sica, Universidad Nacional de Colombia, Sede Bogot a. Recibido 15.03.11; Aceptado 14.04.11; Publicado en l nea 04.09.11.

Resumen
Se presenta la aplicaci on del m etodo de diferencias nitas a la soluci on de la ecuaci on de Poisson-Boltzmann en dos dimensiones. Se estudian tres posibles m etodos de soluci on, Jacobi, Gauss-Sediel y sobrerelajaci on sucesiva, encontr andose que la diferencia entre los tres algoritmos yace en la velocidad de convergencia. Palabras Clave: Poisson-Boltzmann; Diferencias nitas.

Abstract
We present the application of nite difference method to solve the Poisson-Boltzmann equation in two dimensions. We studied three possible methods of solution, Jacobi, Gauss-Sediel and successive overrelaxation. We found that the difference between the three algorithms lies in the speed of convergence. Keywords: Poisson-Boltzmann; Finite differences. PACS: 31.15.xf; 31.15.E-. c 2011. Revista Colombiana de F sica. Todos los derechos reservados.

1.

Introducci on

Los modelos continuos de mol eculas, en soluciones i onicas, son herramientas muy importantes en el estudio de las interacciones electrost aticas. El primer modelo propuesto, fue elaborado por primera vez en 1923 por Debye y H uckel, [1]. Las interacciones electrost aticas juegan un papel central en la determinaci on de la estructura y comportamiento de prote nas y sistemas complejos como los virus y las enzimas. Por otra parte, se ha realizado investigaci on en forma amplia en poliiones, incluyendo esferas de poliestireno, part culas elongadas como el virus del mosaico del tabaco, en cadenas r gidas de polielectrolitos, como el ADN , en membranas exibles, en esferoides de silicato de arcilla, etc.
* frfonsecaf@unal.edu.co

Cuando las biomol eculas residen en un electrolito acuoso, este afecta su conformaci on y funcionamiento debido a los efectos de apantallamiento diel ectrico. Adem as, las mol eculas polarizables u orientables de un medio hu esped, sirven para disminuir las fuerzas el ectricas que determinan la estructura y funci on de macromol eculas. Por lo anterior, un c alculo exacto del potencial electrost atico puede mejorar la comprensi on del comportamiento y la estructura de las macromol eculas. Por otra parte, desde el punto de vista matem atico, la ecuaci on de Poisson-Boltzmann es una ecuaci on diferencial parcial, altamente no-lineal, para un potencial electrost atico local, la cual puede ser resuelta anal ticamente para unos pocos casos. Sin embargo, la teor a de Poisson-Boltzmann se vuelve inmanejable para geometr as no triviales, y por lo ge-

F. Fonseca, R. Mart nez, P. Teher an: Soluci on De La Ecuaci on De Poisson-Boltzmann Usando Diferencias Finitas

neral debe ser linealizada para tratarse m as f acilmente desde un punto de vista anal tico o en una aproximaci on num ericamente m as estable. En este trabajo se presenta la soluci on de la ecuaci on de Poisson-Boltzmann usando discretizaci on en diferencias nitas, en dos dimensiones. Se exploran los m etodos de Jacobi, Gauss-Seidel y sobrerelajaci on sucesiva. En la secci on (2) se presenta una revisi on de la formulaci on funcional de la teor a de Poisson-Boltzmann, el cual representa una aproximaci on te orica muy interesante al problema. En la secci on (3) se muestra el m etodo de discretizaci on en diferencias nitas y se aplica a la ecuaci on de Poisson-Boltzmann. En la secci on (4), ofrecemos los resultados y los comparamos ltimo la secci seg un los diferentes m etodos. Por u on (5) se discuten las conclusiones y en la (6) se dan los agradecimientos. 2. La Ecuaci on de Poisson-Boltzmann

Cambiando el potencial termodin amico y la funci on independiente, la condici on de minimizaci on (2) se puede expresar como [] = u(r). (4) (r) Por lo tanto, un sistema con un potencial externo dado es nico densidad de equilibrio y viceversa. asociado con un u Se considera una aproximaci on de campo medio signica para un sistema que contiene una densidad de iones y una densidad de campo externo q (r), de tal manera que la densidad de carga es eq (r). Se considera como sistema de referencia el gas ideal. La interacci on de larga distancia entre dos iones de la misma clase es v1,, (r, r ) y entre los iones y la distribuci on de carga externa es denotado v1,,q (r, r ) = v1,q, (r, r ) y se asume que ambas distribuciones obedecen la ley de Coulomb, v1,, (r, r ) = y v1,,q (r, r ) = e2 q |r r | (6) e2 , |r r | (5)

La teor a de la densidad Funcional (DFT) se puede usar para determinar la estructura de un sistema de muchos cuerpo utilizando funcionales, tales como la densidad electr onica dependiente del espacio. Esta teor a de forma general se basa en suponer que las propiedades de equilibrio del nicamente por la densidad de sistema est an determinadas u part culas, y por lo tanto el sistema de muchos cuerpos, de 3N coordenadas espaciales, se reduce a 3 coordenadas espaciales a trav es del uso de funcionales. De la misma forma, se dene y minimiza un funcional de energ a para el sistema, y por lo tanto emerge la densidad de part culas, que es la densidad de equilibrio del sistema. Un tratamiento m as profundo a la teor a del DFT, puede ser hallado en la siguiente bibliograf a [2] y [3]. Partiendo de la densidad funcional para un sistema de N part culas id enticas, interactuando con un potencial (r1 , r2 , r3 , ..., rN ) y un potencial externo V = N mico local intr nsei=1 Vext (ri ), se dene el potencial qu co como: u(r) = Vext (r), (1)

La funcional de la energ a es F [] = Fid [] 1 dr 2

, =

(7) dr (r)v1,, (r, r ) (r ) dr (r)v1,,q (r, q )q (r );

+ +

1 2

dr
, =

usando la funcional de las propiedades intr nsecas de la energ a libre de Helmholtz de un gas ideal como [4] Fid [] =
, =

dr(r)(ln(

( r ) ) 1), s

(8)

entonces la ecuaci on (7) se convierte en F [] =

, =

dr(r)(ln( + 1 2

(r ) ) 1) s

(9)

donde es el potencial qu mico. Usando la derivada funcional, la variaci on del gran potencial con respecto al potencial intr nseco es: [u] = 0 (r), (2) u(r) donde es la densidad de equilibrio. La energ a libre intr nseca de Helmholtz se puede denir con la siguiente transformaci on de Legendre. F [0 ] = [u] + dr0 (r)u(r). (3) 237

drC (r)(r),

donde s es la densidad de iones del bloque, y la densidad de carga total es C (r) = (r) + + (r) + q (r) y el potencial electrost atico es denido como: (r ) = B dr C (r ) , |r r | (10)

con B la longitud Bjerrum que se dene como la distancia a la que la interacci on electrost atica entre dos cargas es

Rev.Col.F s., Vol. 43, No. 2 de 2011.

igual a la unidad KB T . En la funcional (9), hacemos el proceso de minimizaci on con respecto a las densidades i onicas , lo cual conduce a la ecuaci on diferencial parcial el ptica no-lineal de Poisson-Boltzmann: ( (r)(r)) + 2 sinh((r)) = 4B q (r) en R2 , (11) donde es la longitud de apantallamiento de Debye, (r) es el diel ectrico que en general puede depender del espacio, en nuestro caso ser a uniforme, y q (r) es la densidad de carga externa. Para los iones m oviles en el solvente estar a dada por una distribuci on de Boltzmann, y en este caso esta representada por dos clases de iones de carga inversa en equilibrio estad stico, el cual est a dado por el sinh. 3. Discretizaci on en diferencias nitas para dos dimensiones

conectar estos valores iniciales se produce un valor al lado derecho V 1i, j , el cual se propaga a la red. Este proceso se repite un n umero nito de veces de tal forma que la soluci on converge. El esquema es:
+1 m i,j

= +

1 m m m ( + m i,j 1 + i+1,j + i1,j (17) 4 i,j +1 2 2 m h2 4B q (m i,j ) h sin(i,j )).

En el m etodo iterativo de Gauss-Seidel se hace una modicaci on del m etodo de Jacobi, demostr andose que converge m as r apido. Supongamos que barremos la red con el n de incrementar i y j , luego los t erminos de la izquierda y m as bajo de cada sitio en la red se han actualizado. Esto da lugar a una forma del algoritmo de Gauss-Seidel:
+1 m i,j

= +

El proceso de discretizaci on se lleva a cabo sobre las coordenadas espaciales x y y , y la funci on (r). Por lo tanto, se establece una escalas en el sistema, h, asociada a la discretizaci on espacial, la cual se asume igual, en ambas direcciones x y y . Entonces, las derivadas espaciales quedan denidas como:
m m i+1,j i,j = , x h m m i,j +1 i,j = , y h y la segunda derivada m m m 2 i+1,j 2i,j + i1,j = , x2 h2

1 m+1 m+1 m ( + m i,j 1 + i+1,j + i1,j (18) 4 i,j +1 2 2 m h2 4B q (m i,j ) h sin(i,j )).

(12) (13)

Los m etodos de Jacobi y Gauss-Seidel no utilizan el valor de Vij en el mismo punto de la red para actualizar el valor de Vi,j . Resulta que el convergencia de la iteraci on se puede mejorar considerablemente mediante el uso de una combinaci on lineal de las soluciones nuevas y viejas de la siguiente manera:
+1 m = (1 )m i,j + i,j +1 m +m i+1,j + i1,j

m+1 ( + m i,j 1 (19) 4 i,j +1 2 2 m + h2 4B q (m i,j ) h sin(i,j )).

(14)

m m m 2 i,j +1 2i,j + i,j 1 = . (15) y 2 h2 Los sub ndices i y j representan un r otulo para la discretizaci on espacial y el super ndice m representa la discretizaci on temporal, de la misma forma se tomar a como la cantidad de iteraciones necesarias para validar el m etodo de soluci on. Aplicando este esquema de discretizaci on a la ecuaci on (1), tenemos:

Como se necesita denir cu ando el proceso iterativo ha sido lo sucientemente exitoso, o cu ando la convergencia se ha alcanzado, un criterio es solicitar que la soluci on aproximada deje de cambiar signicativamente de una iteraci on a la siguiente. Una forma de estimar este error relativo es calcular el promedio sobre todos los sitios de la red que experimentan un cambio distinto de cero. Por lo tanto se dene:
L

error =
i,j

(|1

i,j |) (N uevo)i,j

(20)

m i,j

= +

1 m m m ( + m i,j 1 + i+1,j + i1,j (16) 4 i,j +1 2 2 m h2 4B q (m i,j ) h sin(i,j )).

para (N uevo)i,j = 0 ltimo, para lograr mayor estabilidad en el sistema, Por u la no linealidad, es decir el t ermino sin(m i,j )), en la ecuaci on de Poisson-Boltzmann, se convierte en: 1 (sin(m i+1,j )) + 4 m m sin(m i1,j )) + sin(i,j +1 )) + sin(i,j 1 ))), sin(m i,j )) (21)

Para resolver el sistema computacionalmente se explicar an, brevemente, las que pueden ser consideradas tres t ecnicas b asicas para resolver el sistema. La primera es el m etodo iterativo de Jacobi para resolver ecuaciones simult aneas. Para ello se empieza con un valor inicial V 0i,j para la soluci on de los nodos internos. Al 238

o un promedio espacial sobre sus vecinos m as cercanos.

F. Fonseca, R. Mart nez, P. Teher an: Soluci on De La Ecuaci on De Poisson-Boltzmann Usando Diferencias Finitas

4.

Resultados

Fig. 4: Campo gradiente y estructura de las curvas de nivel para la ecuaci on (19). Fig. 1: Soluci on computacional usando el m etodo de sobrerelajaci on, ec. (19).

En las guras (1), (2) y (3) se presentan los resultados para una simulaci on tridimensional, con un tama no del sistema de L = 104, escalado a 1, generando una malla de 10816 puntos internos. Las condiciones de frontera de Dirichlet que se imponen en el sistema son: (0, y ) = 0, (L, y ) = 8, (x, 0) = 5, (x, L) = 10. De la misma forma el sistema se inicializa con 4 puntos iniciales de potencial que sirven como fuentes: (22)

Fig. 2: Estructura del campo gradiente superpuesto a las curvas de nivel para la ecuaci on (19).

(L/4, L/4) = 12, (L/4, 3L/4) = 12, (3L/4, L/4) = 12, (3L/4, 3L/4) = 12.

(23)

Para los tres m etodos de soluci on planteados, Jacobi, Gauss-Seidel y sobrerelajaci on sucesiva, los resultados gr acos cualitativamente no son muy diferentes. Por lo anterior, s olo se presentan los resultados obtenidos con el m etodo de sobrerelajaci on sucesiva, guras (1), (2) y (3). Las diferencias aparecen en el n umero de iteraciones para cada uno de los m etodos. En los tres casos se dene un error de 1 % para alcanzar la convergencia en el m etodo num erico. Para Jacobi la convergencia se alcanza para un n umero de 249 iteraciones, para Gauus-Seidel el n umero de iteraciones es 203 y nalmente para la sobrerelajaci on sucesiva el n umero de iteraciones fue 216, con un valor del par ametro de sobre-relajaci on de = 0,56. 239

Fig. 3: Estructura tridimensional de las curvas de nivel para la ecuaci on (19).

Rev.Col.F s., Vol. 43, No. 2 de 2011.

La gura (2) presenta la estructura del campo gradiente, superpuesta a las curvas de nivel, bidimensionalmente. Los m etodos resuelven con suciente eciencia la distribuci on de las curvas de nivel sobre las fronteras y sobre las cargas fuente. La gura (3), presenta la estructura tridimensional de las curvas de nivel, y la gura (4) muestra la distribuci on de valores de donde la escala de colores representa los valores de campo escalar sobre la malla. 5. Conclusiones

les, tales como c rculos, elipses y estadios. 6. Agradecimientos

F. Fonseca agradece la nanciaci on de este trabajo por parte de la Universidad Nacional de Colombia, en su Divisi on de Investigaci on sede Bogot a, con n umero de proyecto (DIB-8003355). Referencias [1] P. Debye and E. H uckel, Physik. Z., 24, 185 (1923).

Se ha implementado la soluci on computacional de la ecuaci on de Poisson-Boltzmann usando diferencias nitas, para los m etodos de Jacobi, Gauss-Seidel y sobrerelajaci on sucesiva en dos dimensiones. Los tres m etodos resuelven el sistema de forma efectiva, diferenci andose en su velocidad de convergencia. Como trabajo futuro se puede desarrollar la soluci on de la ecuaci on de Poisson-Boltzmann sobre dominios no trivia-

[2] R. van Roij, Soft Condensed Matter Theory, course book (2009). [3] J.-L. Barrat, and J.-P Hansen, Basic Concepts for Simple and Complex Liquids, Cambridge University Press (2003). [4] McQuarrie, D. Statistical Mechanics. 2nd ed. University Science Books, 2000. ISBN: 9781891389153.

240